📰 Новость | Google выпустила модель распознавания речи, которая пытается понять не тол...
📰 Новость | Google выпустила модель распознавания речи, которая пытается понять не только слова, но и то, что человек хотел сказать Час болтал с подрядчиком — сижу переслушиваю, а там половина фраз оборвана, оба перебиваем друг друга. Бесился же, ну. Три захода делал на нормальный конспект. И тут Google выкатывает Gemini 3.5 Transcribe. Заявляют: эта штука не просто глухо гонит звук в текст, а реально въезжает в контекст. Убирает все эти «э-э», схватывает исправления на лету и выдаёт чистый массив. Задержка меньше секунды, спикеров делит чётко, языки переключает прямо посреди предложений. Почему не старый добрый Whisper? Ну, Whisper крут для готовых записей, но в реальном времени он тупит и оговорки оставляет — всё равно руками допиливать. А тут прямой прицел на живой хаос: совещания, где люди мычат и путают мысли. В лабе цифры красивые: пять процентов ошибок на многоязычке, скорость выросла на семьдесят процентов. Но мы-то знаем этот маркетинг. Запусти такую модель на кухне под свист чайника или в цеху у станков — и посмотрим, что останется от её понимания.